kalomaze：模型如何学出隐私信号，推理压力是更强的信息不对称

kalomaze 提出一个直觉泵：当模型只能靠风格与情境线索推断写作者能否怀孕、而非直接读取 Mumsnet 页面顶部的答案时，这种受限的学习信号反而更有力量。他补充说，这背后是一个事后看显而易见的原理——连 RLVR 都靠扣留答案逼模型推理出正确解，这是人为制造的更残酷的信息不对称，从而逼出更强的学习信号。